如何用Python实现R中mutate()与grepl()的二进制列生成功能？

你可以用pandas结合字符串匹配功能实现和R代码完全一致的效果，同时处理installed_software列中的NaN值：

核心思路 #

• 用pandas.Series.str.contains()对应R的grepl()，检测字符串中是否包含目标软件名
• 通过na=False参数将NaN值直接判定为"未安装"（返回False，转int后为0）
• 支持批量处理所有软件，避免重复代码

代码实现 #

首先导入依赖库：

import pandas as pd
import numpy as np

方式1：批量处理（推荐，减少重复代码）

# 定义软件名称与目标列名的映射关系
software_list = {
    "MS_Office_installed": "MS Office",
    "Adobe_Acrobat_installed": "Adobe Acrobat",
    "Slack_installed": "Slack",
    "Mathcard_installed": "Mathcard",
    "Google_Chrome_installed": "Google Chrome"
}

# 遍历映射，生成每个二进制列
for col_name, software in software_list.items():
    # str.contains返回布尔值，astype(int)转成1/0；na=False处理NaN值
    data[col_name] = data["installed_software"].str.contains(software, na=False).astype(int)

方式2：逐列处理（和R代码结构更对应）

# 逐列生成二进制标记，np.where对应R的ifelse
data["MS_Office_installed"] = np.where(data["installed_software"].str.contains("MS Office", na=False), 1, 0)
data["Adobe_Acrobat_installed"] = np.where(data["installed_software"].str.contains("Adobe Acrobat", na=False), 1, 0)
data["Slack_installed"] = np.where(data["installed_software"].str.contains("Slack", na=False), 1, 0)
data["Mathcard_installed"] = np.where(data["installed_software"].str.contains("Mathcard", na=False), 1, 0)
data["Google_Chrome_installed"] = np.where(data["installed_software"].str.contains("Google Chrome", na=False), 1, 0)

关键说明 #

• str.contains(software, na=False)：当installed_software为NaN时，直接返回False，确保最终生成的列只有1和0，不会出现NaN
• 如果需要区分"NaN（无记录）"和"确实未安装"，可以去掉na=False，后续用fillna()自定义处理（比如标记为-1），但根据需求，这里用na=False刚好符合"无安装软件则为0"的要求

内容的提问来源于stack exchange，提问作者amatof